Biometrie & evidenzbasierte Medizin – Kurs fürs M2

Biometrie und evidenzbasierte Medizin ist ein digitaler Kurs für Medizinstudierende im klinischen Abschnitt, die sich auf das M2 (2. Ärztliche Prüfung) vorbereiten. Der Kurs führt von der beschreibenden Statistik über Hypothesentests, p-Werte und Konfidenzintervalle bis zu Regression, Überlebenszeitanalyse und Fallzahlplanung – und zeigt in der EBM, wie du Bias und Confounding erkennst, ARR, RRR, NNT und NNH berechnest und Studien kritisch bewertest.

Auf einen Blick

• Fach: Biometrie, medizinische Statistik und evidenzbasierte Medizin (EBM)
• Zielgruppe: Medizinstudierende im klinischen Abschnitt und im PJ
• Prüfung: M2 (2. Ärztliche Prüfung), IMPP-orientiert; auch für Modulprüfungen in Biometrie und EBM
• Umfang/Aufbau: 15 Themenblöcke zur Biometrie plus EBM-Teil, mit Fachtexten, Grafiken und Tabellen sowie Aufgaben in drei Anforderungsbereichen
• Format: Digitaler Download – sofort nach dem Kauf verfügbar

Das lernst du in Biometrie und EBM

Statistische Grundlagen

• Beschreibende Statistik: wie du Daten übersichtlich darstellst und Zusammenhänge sichtbar machst
• Wahrscheinlichkeitsrechnung und Verteilungen: die mathematische Basis für jede Aussage über Risiken und Wahrscheinlichkeiten
• Schätzverfahren und Konfidenzintervalle: warum der Mittelwert allein nicht genug ist
• Hypothesentests und Fehlerkontrolle: von p-Werten bis zum richtigen Umgang mit Irrtumswahrscheinlichkeiten
• Nicht-parametrische Verfahren: wenn Daten nicht normalverteilt sind

Zusammenhänge und Gruppenvergleiche

• Regression und Korrelation: Zusammenhänge aufdecken und richtig interpretieren
• Varianzanalyse (ANOVA und ANCOVA): Gruppen systematisch vergleichen
• Survival- und Zeit-bis-Ereignis-Analyse: unverzichtbar in klinischen Studien
• Multivariate Verfahren: mehrere Einflussgrößen gleichzeitig betrachten
• Bayessche Statistik und MCMC: moderne Verfahren, die zunehmend an Bedeutung gewinnen

Studienplanung und Datenqualität

• Reliabilität und Validität: wie du die Qualität von Messungen beurteilst
• Stichprobenplanung und Power-Analyse: damit eine Studie weder zu klein noch zu groß angelegt ist
• Multiple Testung und Fehlerkontrolle: Fallstricke bei vielen Vergleichen vermeiden
• Missing-Data-Methoden: wie du mit fehlenden Werten umgehst
• Qualitätssicherung und Monitoring: für Forschung und Klinik

Evidenzbasierte Medizin in der Anwendung

• Bias und Confounding erkennen: verstehen, wie Studienergebnisse dadurch verfälscht werden können
• ARR, RRR, NNT und NNH: absolute und relative Risikoreduktion berechnen und interpretieren sowie bestimmen, wie viele Patient:innen behandelt werden müssen, um ein Ereignis zu verhindern oder eine Nebenwirkung auszulösen
• Studien kritisch lesen: Ergebnisse bewerten und in die klinische Praxis übertragen
• Typische Anwendungsfelder: Wirksamkeitsstudien zu Medikamenten, Vergleich von Operationsmethoden, Auswertungen zur Häufigkeit von Nebenwirkungen und Qualitätsberichte von Kliniken

Für wen ist der Kurs geeignet?

• Medizinstudierende im klinischen Abschnitt, die Statistik bisher gemieden haben und einen verständlichen Einstieg suchen
• Studierende in der M2-Vorbereitung, die Biometrie und EBM kompakt wiederholen wollen
• Studierende vor einer Modulprüfung in medizinischer Biometrie oder Epidemiologie
• Studierende, die eine Doktorarbeit planen und Studiendesigns, Fallzahlberechnung und Auswertung verstehen müssen
• Wiederholer:innen, die gezielt Lücken bei Hypothesentests, Konfidenzintervallen und Risikomaßen schließen

So lernst du damit

• Begriffe vor Formeln: Kläre zuerst, was Mittelwert, Streuung, Konfidenzintervall und p-Wert inhaltlich aussagen – das Rechnen fällt danach deutlich leichter.
• Mit medizinischen Beispielen üben: Rechne die Aufgaben an Fällen aus der Medizin durch, statt abstrakte Zahlenreihen zu bearbeiten.
• Grafiken als Merkanker: Nutze die Abbildungen und Tabellen, um Verteilungen, Testentscheidungen und Risikomaße visuell zu verankern.
• In drei Stufen testen: Arbeite die Aufgaben vom einfachen Abrufen bis zum komplexen Anwenden in Fallbeispielen durch.
• Kurz vor der Prüfung: Wiederhole gezielt Risikomaße, Studiendesigns und Testverfahren, weil diese im Examen am häufigsten vorkommen.

Häufige Fragen zu Biometrie und EBM

Was sagt der p-Wert aus?

Der p-Wert gibt die Wahrscheinlichkeit an, das beobachtete oder ein noch extremeres Ergebnis zu erhalten, wenn die Nullhypothese zutrifft. Er ist also keine Aussage darüber, wie wahrscheinlich die Nullhypothese selbst ist, und auch kein Maß für die Größe eines Effekts. Üblicherweise gilt ein Ergebnis bei p unter 0,05 als statistisch signifikant, was aber nur die Irrtumswahrscheinlichkeit bei der Ablehnung der Nullhypothese beschreibt. Für die klinische Bedeutung braucht es zusätzlich Effektstärke und Konfidenzintervall.

Was ist der Unterschied zwischen Sensitivität und Spezifität?

Die Sensitivität beschreibt den Anteil der tatsächlich Erkrankten, die ein Test korrekt als positiv erkennt – ein hochsensitiver Test eignet sich daher zum Ausschluss einer Erkrankung. Die Spezifität beschreibt den Anteil der tatsächlich Gesunden, die der Test korrekt als negativ erkennt – ein hochspezifischer Test dient dem Bestätigen einer Diagnose. Beide Kennzahlen sind unabhängig von der Prävalenz, während die prädiktiven Werte von ihr abhängen.

Wie funktioniert eine Fallzahlberechnung?

Die Fallzahlberechnung bestimmt vor Studienbeginn, wie viele Teilnehmende nötig sind, um einen relevanten Effekt mit ausreichender Sicherheit nachzuweisen. Sie stützt sich auf vier Größen: den erwarteten Effekt, die Streuung der Zielgröße, das Signifikanzniveau alpha und die gewünschte Power, meist 80 oder 90 Prozent. Eine zu kleine Fallzahl führt dazu, dass reale Effekte übersehen werden, eine unnötig große belastet Teilnehmende und Ressourcen ohne zusätzlichen Erkenntnisgewinn.

Welche Studiendesigns muss ich fürs M2 kennen?

Prüfungsrelevant sind die randomisierte kontrollierte Studie als Standard für Wirksamkeitsnachweise, die Kohortenstudie, die Fall-Kontroll-Studie und die Querschnittsstudie sowie systematische Übersichtsarbeiten und Metaanalysen. Wichtig ist, zu jedem Design die typische Fragestellung, das passende Risikomaß und die charakteristischen Fehlerquellen zu kennen – etwa den Recall-Bias in Fall-Kontroll-Studien. Häufig gefragt wird auch, welches Design in der Evidenzhierarchie höher steht und warum.

In welchem Format bekomme ich den Biometrie- und EBM-Kurs?

Der Kurs ist ein digitaler Download und steht sofort nach dem Kauf zur Verfügung. Du kannst ihn auf allen Geräten öffnen – am Laptop, Tablet oder Smartphone – und ihn bei Bedarf ausdrucken. Ein Versand entfällt, du startest also direkt nach dem Kauf.